图像常用的数学变换

 

1.坐标的空间变换

几何变换改变了图像中像素间的空间关系。由两个基本操作组成：坐标的空间变换和变换后灰度插值。

图像处理中常用的坐标变换就是仿射变换，下面截图常见的仿射变换

这些变换通常称为橡皮膜变换。坐标变换可由下式表示： (x,y)=T{(v,w)}。其中(v,w)是原图像中像素的坐标，(x,y)是变换后图像中像素的坐标。常用的仿射变换一般形式如下：

**

这个变换可以把一幅图像上的像素重新定位到一个新位置，为了完成该处理，还必须对这些新位置赋灰度值。

实际上，有两种基本方法来使用（**）式。第一种方法称为前向映射，它由扫描输入图像的像素，并在每个位置（v,w）用（**）式直接计算输出图像中相应像素的空间坐标位置(x,y)组成。前向映射算法的一个问题是输入图像中的两个或更多个像素可被变换到输出图像的同一位置。第二种方法称为反向映射，扫描输出像素的位置，并在每一个位置(x,y)使用计算输入图像中的相应位置。然后，内插灰度值。

2.灰度插值

 

2.1 最近邻插值

2.2 双线性插值

2.3 双三次插值

3.傅里叶变换

傅里叶级数  ---> 傅里叶积分 ---> 傅里叶变换  

3.1

为什么要做频域图像处理:在空域中问题比较难处理，但是在频域中相对难的问题就边得比较简单。

频域图像处理的基本步骤：

f(x,y)是原图像，经过傅里叶变化（FFT）得到变换后的结果F(u,v)，经过滤波器处理后得到结果G(u,v)，再经过反变换(IFFT)变换到空域g(x,y)。下面举个例子：

第一幅图像是受到正弦噪音干扰的原图像，第二幅图是经过傅里叶变换后的图，可以看出正弦噪音是很有规律的，在频谱里面表现为比较亮的脉冲点；第三个是滤波器，白色代表1，黑色代表0，这样就可以在频域内很简单的相乘去除噪音。在经过反变换得到去除后的图像。

3.2

3.3  一维离散傅里叶变换、二维离散傅里叶变换（全局的变换过程）

幅值等于实部和虚部的模，相位角等于arctan虚部的值比上实部的值。通过分析幅值（频谱）或者相位角来分析傅里叶变换后的图像特点。上图图一是原图，第二幅图是幅度，第三幅图是相位角。计算结果映射到0~255之间，最后是一副灰度图像。

4.离散傅里叶变换的基本性质

1.可分离性：一个二维傅里叶变换可分解为两步进行，其中每一步都是一个一维傅里叶变换。先对f(x,y)按行进行傅里叶变换得到F(x,v)，再对F(x,v)按列进行傅里叶变换，得到f(x,y)的傅里叶变换结果F(u,v)。

2.平移性

比如零点漂移

3.周期性

4.共轭对称性

5.旋转不变性

6.比例性

7.平均值

8.卷积定理

9.线性：